بازاندیشی در معیارهای ارزیابی مدلهای زبانی بزرگ برای حل مسائل برنامه نویسی

مطالعه ی حاضر با هدف بازتعریف ساختاری سنجه های اعتبارسنجی مدل های زبانی بزرگ در تکالیف برنامه نویسی تدوین یافته است. پرسش محوری تحقیق بر این مصلحت فنی تمرکز دارد که چگونه می توان آپاراتوس های سنجش این ابزارها را از متدولوژی های تقلیل گرای آزمون محور به سوی فریم ورک های ماتریکسی چندلایه و منطبق بر ماهیت وظیفه سوق داد. چالش اساسی مورد بحث در این مطالعه آن است که توفیق سورس کدهای سنتز شده در عبور از فیلتر تست کیس های واحد یا پنهان اگرچه پیش شرطی لازم جهت احراز صحت کارکردی محسوب می شود اما شواهد متقنی را مبنی بر صلاحیت جامع مهندسی نرم افزار به دست نمی دهد. این تحقیق با اتکا بر روش مرور سنتی و آنالیز تماتیک، به کالبدشکافی ادبیات، پژوهش بنچمارک های مرجع و گلوگاه های پایش مدل های هوشمند در سناریوهای توسعه پرداخته است. یافته های استخراج شده مبین آن است که اتکای مفرط بر سنجش های تست محور می تواند عیوب معنایی، ضعف در مدیریت کیس های مرزی، ناکارآمدی های الگوریتمی، ریسک های امنیتی و نارسایی های شاخص قابلیت نگهداری را پنهان سازد. افزون بر این فرآیند تولید مکانیکی کد هرگز با دیسیپلین حل مسئله هم ارز نبوده چرا که حل مسئله چرخه ی جامعی از درک نیازمندی ها، کشف قیود، سیستم طراحی، معماری، خطایابی، اعتبارسنجی و همگام سازی با بافتارهای عملیاتی را شامل می شود. بر این اساس رویکرد پیشنهادی مقاله بر استقرار یک پلتفرم سنجش لایه مند استوار است که صحت عملکردی، تاب آوری ساختاری، پرفورمنس، محاسباتی، امنیت داده ها، خوانایی، مهندسی نگهداری، تبیین پذیری و هارمونی با اتمسفر تسک را به طور همزمان پایش کند. دستاورد غنایی تحقیق آشکار می سازد که فرآیندهای تست رفا باید به عنوان دیباچه و کف الزامات ارزیابی تلقی گردند نه فرجام قضاوت های علمی پیرامون شایستگی داینامیک صرف برنامه نویسی.

کلیدواژه ها:

مدل های زبانی بزرگ ، اعتبارسنجی برنامه نویسی ، صحت تست محور ، حل مسئله در نرم افزار ، فریم ورک چندبعدی